ENVIRONMENTAL DATA ANALYSIS

Il corso fa parte degli insegnamenti fondamentali del Master in Scienze Ambientali (Curriculum in Global Environmental Change). L'analisi quantitativa dei dati è essenziale per le scienze ambientali
e saper utilizzare essa aumenta la nostra comprensione dei processi ambientali.
Questo modulo fornirà una panoramica delle tecniche statistiche e grafiche comunemente utilizzate per l'analisi dei dati ambientali.
Gli studenti avranno l'opportunità di progettare semplici esperimenti, raccogliere e analizzare i propri dati, nonché di analizzare i dati reali forniti da diversi studi di ricerca ambientale.
Inoltre diamo un'introduzione a R, un ambiente statistico e computazionale liberamente disponibile, Tale software è ampiamente utilizzato dagli scienziati di tutto il mondo.
Non è richiesta alcuna esperienza di programmazione prerequisito.

In questo corso gli studenti applicheranno i metodi appresi in un corso base in Statistica per esplorare e rispondere a domande chiave utilizzando i dati in Ecologia e Scienze Ambientali.
In tal modo, gli studenti si confronteranno con la complessità dei dati del mondo reale, imparando e praticando strumenti essenziali per acquisire, trattare e condividere i dati.

* Competenze specifiche

1) Conoscenza elementare del linguaggio di programmazione R e applicazione di esso alla
1.1) visualizzazione di dati
1.2) modellazione di dati

2) Utilizzo di linguaggi Markdown per scrivere un rapporto tecnico

Conoscenza di base della statistica a livello di un corso introduttivo di una triennale (esempio di libro di testo David S. Moore (2013) Statistica di base, Apogeo)

Programmazione in R
Elementi di algebra e analisi in R
Introduzione all'analisi dei dati ambientali.
Analisi esplorativa
Distribuzioni, campionamenti.
Stima
Verifica d'ipotesi
Regressione e correlazione
Analisi della varianza
Statistica non parametrica
Metodi esplorativi per serie temporali
Analisi spettrale

Chandler, R. and Scott, M. (2011). Statistical Methods for Trend Detection and Analysis in the Environmental Sciences. Wiley
Helsel, D.R., Hirsch, R.M., Ryberg, K.R., Archfield, S.A., and Gilroy, E.J., 2020, Statistical Methods in Water Resources: U.S. Geological Survey Techniques and Methods, book 4, chapter A3, 458 p. (https://doi.org/10.3133/tm4A3 )
Dormann, C. (2019) Environmental Data Analysis, Springer
Qian, S.S. (2016) Environmental and Ecological Statistics with R, (2nd ed), CRC press

Materiale addizionale (slides, appunti) saranno distribuiti dal docente

L'esame consiste di due fasi:
1) preparazione di un elaborato individuale relativo all'analisi di un data set.
La preparazione prevede la scelta di un problema scientifico (concordato con il docente), la scrittura di codice per risolverlo e la stesura di una relazione che fornisca il contesto, la motivazione, il metodo di soluzione utilizzato e i risultati.
2) presentazione orale.

Durante l'esame orale potranno essere poste domande su parti del programma non trattate nella relazione.

I voti saranno determinati dall' esame orale (50%) e dal progetto (50%),


Lo studente sarà valutato in termini di
- qualità delle sue analisi statistiche
- uso corretto della terminologia tecnica
- correttezza delle conclusioni
- qualità della presentazione (relazione)
- qualità della discussione orale

Regole:
1) se lo studente non supera l'esame, può tentare un'altra sessione con lo *stesso* progetto. Tuttavia, se l'esame non viene nuovamente superato, per le successive sessioni d'esame dovrà essere preso in considerazione un *nuovo* progetto.
2) se lo studente supera l'esame ma decide di rifiutare il punteggio, deve prendere in considerazione un *nuovo* progetto per le sessioni d'esame successive.

Questo corso si basa su lezioni frontali, che copriranno i principali argomenti, sottolineando e discutendo i punti importanti.
Le lezioni teoriche saranno integrate da esercizi e sessioni di laboratorio. Il software statistico utilizzato nel corso è R (www.r-project.org).
La partecipazione personale è importante e aiuterà lo studente a imparare in modo più efficiente per leggere il materiale assegnato per rafforzare le lezioni.
Degli script R da varie fonti possono essere usati per rinforzare il materiale.

Inglese

La frequenza di ogni lezione e uno sforzo genuino nel fare gli esercizi suggeriti sono due dei fattori più importanti che influenzano la riuscita in questo corso. L'analisi statistica richiede sia l'ascolto che il fare.

orale